ENG
РУС
Поиск
Меню
О журнале
Политика открытого доступа
Редакционная коллегия
Редакционная политика
Редакционная этика
Правила рецензирования статей
Требования к оформлению статей
Формы представляемых документов
Рекомендации по оформлению ссылок на наш журнал
Редакция
Информация для подписчиков
Аннотации номера
Список авторов
Выпуски
Лицензионное соглашение
Порядок работы с персональными данными
Публикации
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
2011
2010
2009
2008
2007
2006
2005
2004
2003
2002
2001
Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор
Партнеры













































doi: 10.17586/2226-1494-2019-19-2-255-270

УДК 612.087.1

ПРИМЕНЕНИЕ ЦИФРОВОЙ ЛИЦЕВОЙ АНТРОПОМЕТРИИ

Кухарев Г.А., Казиева Н.М.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования:
Кухарев Г.А., Казиева Н. Применение цифровой лицевой антропометрии // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 2. С. 255–270. doi: 10.17586/2226-1494-2019-19-2-255-270


Аннотация
Представлен аналитический обзор применения методов цифровой лицевой антропометрии в научных и практических задачах. Исследование включает краткую историю появления антропометрии (какописательной и сравнительной науки,предметом исследования которой является человек) и ее трансформацию в современные компьютерные методы. Рассмотрены особенности применения цифровойлицевой антропометрии. Рассмотрены: понятия морфотипа и фенотипа лица; задачи морфологии и морфометрии как базовых средств цифровой лицевой антропометрии; методы количественной и качественной оценки характеристик и параметров лиц; задачи поиска ассоциаций между наборами генов в геноме и чертами лица человека; задачи оценки привлекательности лиц; связь лицевой антропометрии с «лицами Чернова» и когнитивной компьютерной графикой, используемой в практической медицине; проблема определения эмоций, пола и психотипа человека; особые случаи задач распознавания изображений лиц, способы их решения в рамках цифровой лицевой антропометрии и примеры их решения. Определен прогноз тесной связи цифровой лицевой антропометрии и интернета вещей в современном мире.

Ключевые слова: цифровая лицевая антропометрия, оценка характеристик и параметров лица человека, привлекательность и красота лица, поиск ассоциаций с геномами (GWA), «Лица Чернова», когнитивная компьютерная графика, распознавание изображений лиц, «Интернет вещей»

Список литературы
  1. Бертильонаж – искусство идентификации [Электронный ресурс]. Режим доступа: http://kriminalisty.ru/stati/istorija-kriminalistiki/bertilyonaj.html, свободный. Яз. рус. (дата обращения 10.12.2018).
  2. Герасимов М.М. Основы восстановления лица по черепу. М.: Советская наука, 1949. 190 с.
  3. Мареев О.В., Николенко В.Н., Алешина О.Ю. Компьютерная краниометрия с помощью современных технологий в медицинской краниологии // Морфологические ведомости. 2015. № 1. С. 49–54.
  4. Jayaratne Y., Zwahlen R. Application of digital anthropometry for craniofacial assessment // Craniomaxillofacial Trauma and Reconstruction. 2014. V. 7. N 2. Р. 101–107. doi:
    10.1055/s-0034-1371540
  5. Кухарев Г.А., Казиева Н., Цымбал Д.А. Технологии штрихового кодирования для задач лицевой биометрии: современное состояние и новые решения // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т. 18. № 1. С. 72–86. doi: 10.17586/2226-1494-2018-18-1-72-86
  6. DeCarlo D., Metaxas D., Stone M. An anthropometric face model using variational techniques // Proc. 25th Annual Conf. on Computer Graphics and Interactive Techniques. New York, USA, 1998. P. 67–74. doi: 10.1145/280814.280823
  7. Deutsch C.K., Shell A.R., Francis R.W., Birs B.D. The Farkas system of craniofacial anthropometry: methodology and normative databases / In: Handbook of Anthropometry. Springer, 2012. P. 561–573. doi 10.1007/978-1-4419-1788-1_29
  8. Aynechia N., Larson B.E., Leon-Salazar V., Beiraghi S. Accuracy and precision of a 3D anthropometric facial analysis with and without landmark labeling before image acquisition // Angle Orthodontist. 2011. V. 81. N 2. P. 245–252.doi: 10.2319/041810-210.1
  9. Stegmann M.B. Analysis and Segmentation of Face Images using Point Annotations and Linear Subspace Techniques // Technical report. 2002. 25 p. [Электронный ресурс]. Режим доступа: http://www2.imm.dtu.dk/pubdb/views/edoc_download.php/ 922/pdf/imm922.pdf, свободный. Яз. анг. (дата обращения: 02.01.2019).
  10. Gupta S., Castleman K.R., Markey M.K., Bovik A.C. Texas 3D face recognition database // Proc. IEEE Southwest Symposium on Image Analysis and Interpretation. Austin, USA, 2010. P. 97–100. doi: 10.1109/SSIAI.2010.5483908
  11. Gupta S., Markey M.K., Bovik A.C. Anthropometric 3D face recognition // International Journal of Computer Vision. 2010. V. 90. N 3. Р. 331–349. doi: 10.1007/s11263-010-0360-8
  12. CUHK Face Sketch Database (CUFS) [Электронныйресурс]. Режим доступа: http://mmlab.ie.cuhk.edu.hk/archive/ facesketch.html, свободный. Яз. анг. (дата обращения 03.01.2019).
  13. CUHK Face Sketch FERET Database (CUFSF) [Электронныйресурс]. Режим доступа: http://mmlab.ie.cuhk.edu.hk/archive/cufsf/, свободный. Яз. анг. (датаобращения: 03.01.2019).
  14. Wang X., Tang X. Face photo-sketch synthesis and recognition // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2009. V. 31. N 11. P. 1955–1967. doi: 10.1109/TPAMI.2008.222
  15. Luxand - Face Recognition, Face Detection and Facial Feature Detection Technologies [Электронныйресурс]. Режим доступа: http://www.luxand.com, свободный. Яз. анг. (дата обращения: 04.01.2019).
  16. Пакет «Portret Client 5.0». Системы «Портрет-Поиск» [Электронный ресурс]. Режим доступа: http://www.portret.tomsk.ru/index.php?page=products. свободный. Яз. рус. (датаобращения: 04.01.2019).
  17. Viola P., Jones M.I. Robust real-time face detection // International Journal of Computer Vision. 2004. V. 57. N 2. Р. 137–154. doi: 10.1023/B:VISI.0000013087.49260.fb
  18. Kazemi V., Sullivan J. One millisecond face alignment with an ensemble of regression trees // Proc. 27th IEEE Conference on Computer Vision and Pattern Recognition. Columbus, USA, 2014. Р. 1867–1874. doi: 10.1109/CVPR.2014.241
  19. Torres-Restrepo A.M. et al. Agreement between cranial and facial classification through clinical observation and anthropometric measurement among envigado school children // BMC Oral Health. 2014. V. 14. N 1. Р. 50–57. doi: 10.1186/1472-6831-14-50
  20. Driessen P.J., Vuyk H., Borgstein J. New insights into facial anthropometry in digital photographs using iris dependent calibration // International Journal of Pediatric Otorhinolaryngology. 2011. V. 75. N 4. Р.  579–584. doi: 10.1016/j.ijporl.2011.01.023
  21. Farkas L.G., Katic M.J., Forrest C.R. et al. International anthropometric study of facial morphology in various ethnic groups/races // Journal of Craniofacial Surgery. 2005. V. 16. N 4. P. 615–646. doi: 10.1097/01.scs.0000171847.58031.9e
  22. Ramires R.R. et al. Proposal for facial type determination based on anthropometry // Jornal Da Sociedade Brasileira De Fonoaudiologia. 2011. V. 23. N 3. P. 195–200. doi: 10.1590/S2179-64912011000300003
  23. Arapović-Savić M. et al. Linear measurements of facial morphology using automatic aproach // Serbian Dental Journal. 2016. V. 63. N 2. doi: 10.1515/sdj-2016-0007
  24. Mackenzie S., Wilkinson C. Morphological and morphometric changes in the faces of female-to-male (FtM) transsexual people // International Journal of Transgenderism. 2017. V. 18. N 2. P. 172–181. doi: 10.1080/15532739.2017.1279581
  25. Ramanathan N., Chellappa R. Modeling age progression in young faces // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. New York, 2006. doi: 10.1109/cvpr.2006.187
  26. Sforza C., Grandi G., Menezes M. et al. Age- and sex-related changes in the normal human external nose // Forensic Science International. 2010. V. 204. N 1-3. P. 205.e1–205.e9. doi: 10.1016/j.forsciint.2010.07.027
  27. Kumar S., Ranjitha S., Suresh H.N. An active age estimation of facial image using anthropometric model and fast ICA // Journal of Engineering Science and Technology Review. 2017. V. 10. N 1. P. 100–106. doi: 10.25103/jestr.101.14
  28. Du L. et al. GARP-Face: balancing privacy protection and utility preservation in face de-identification // IEEE International Joint Conference on Biometrics. Clearwater, USA, 2014. doi: 10.1109/BTAS.2014.6996249
  29. De la Torre F., Cohn J.F., Huang D. System and Method for Processing Video to Provide Facial De-Identification. Patent US 9799096 B1. 2017.
  30. Lanitis A., Taylor C.J., Cootes T.F. Automatic interpretation and coding of face images using flexible models // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1997. V. 19. N 7. P. 743–756. doi: 10.1109/34.598231
  31. Cootes T.F., Edwards G.J., Taylor C.J. Active appearance models // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2001. V. 23. N 6. P. 681–685. doi: 10.1109/34.927467
  32. Sucontphunt T., Neumann U. 3D facial surface and texture synthesis using 2D landmarks from a single face sketch // Proc. 2nd Int. Conf. on 3D Imaging, Modeling, Processing, Visualization and Transmission. 2012. P. 152–159. doi: 10.1109/3DIMPVT.2012.65
  33. Sforza C. et al. Three-dimensional facial morphometry: from anthropometry to digital morphology / In: Handbook of Anthropometry: Physical Measures of Human Form in Health and Disease. Springer, 2012. P. 611–624. doi:
    10.1007/978-1-4419-1788-1_32
  34. Krutikova O., Glaz A. Development of a new method for adapting a 3D model from a minimum number of 2D images // Technologies of Computer Control. 2013. V. 14. P. 12–17.
  35. Truong P.H., Park C.W., Lee M. et al. Rapid implementation of 3D facial reconstruction from a single image on an android mobile device // KSII Transactions on Internet and Information Systems. 2014. V. 8. N 5. P. 1690–1710. doi: 10.3837/tiis.2014.05.011
  36. Sforza C., Ferrario V.F. Soft-tissue facial anthropometry in three dimensions: from anatomical landmarks to digital morphology in research, clinics and forensic anthropology // Journal of Anthropological Sciences. 2006. V. 84. P. 97–124.
  37. Schmid K., Marx D., Samal A. Computation of a face atractiveness index based on neoclassical canons, symmetry, and golden ratios // Pattern Recognition. 2008. V. 41. N 8. P. 2710–2717. doi: 10.1016/j.patcog.2007.11.022
  38. Pallett P.M., Link S., Lee K. New “golden” ratios for facial beauty // Vision Research. 2010. V. 50. N 2. P. 149–154. doi: 10.1016/j.visres.2009.11.003
  39. Soler C. et al. Male facial anthropometry and attractiveness // Perception. 2012. V. 41. N 10. Р. 1234–1245. doi: 10.1068/p7214
  40. Milutinovic J., Zelic K., Nedeljkovic N. Evaluation of facial beauty using anthropometric proportions // The Scientific World Journal. 2014. V. 2014. doi: 10.1155/2014/428250
  41. Alam M.K., Mohd Noor N.F., Basri R., Yew T.F., Wen T.H. Multiracial facial golden ratio and evaluation of facial appearance // PLoS ONE. 2015. V. 10. N 11. Art. e0142914 doi: 10.1371/journal.pone.0142914
  42. Zhang. D., Chen F., Xu Y. Typical facial beauty analysis / In: Computer Models for Facial Beauty Analysis. Springer, 2016. P. 19–31. doi: 10.1007/978-3-319-32598-9_2
  43. Prendergast P.M. Facial proportions / In: Advanced Surgical Facial Rejuvenation: Art and Clinical Practice. Springer, 2012. P. 15–22. doi: 10.1007/978-3-642-17838-2_2
  44. Искорнев А. Гармонизация лица // Эстетическая медицина. 2017. Т. 16. № 3. С. 265–271.
  45. Bagic I., Verzak Z. Craniofacial anthropometric analysis in Down's syndrome patients // Collegium Antropologicum. 2003. V. 27. N 2. Р. 23–30.
  46. Ferrario V.F., Dellavia C., Colombo A., Sforza C. Three-dimensional assessment of nose and lip morphology in subjects with Down syndrome // Annals of Plastic Surgery. 2004. V. 53. N 6. P. 577–583. doi: 10.1097/01.sap.0000130702.51499.6b
  47. Starbuck J., Reeves R.H., Richtsmeier J. Morphological integration of soft-tissue facial morphology in Down syndrome and siblings // American Journal of Physical Anthropology. 2011. V. 146. N 4. P. 560–568. doi: 10.1002/ajpa.21583
  48. Jayaratne Y.S.N. et al. The facial morphology in Down syndrome: a 3D comparison of patients with and without obstructive sleep apnea // American Journal of Medical Genetics Part A. 2017. V. 173. N 11. Р. 3013–3021. doi: 10.1002/ajmg.a.38399
  49. Yilmaz A., Akcaalan M. What can anthropometric measurements tell us about obstructive sleep apnoea? // Folia Morphologica. 2017. V. 76. N 2. P. 301–306. doi: 10.5603/FM.a2016.0058
  50. Dering L.M. et al. Evaluation of anthropometric facial landmarks in woman with blepharophimosis, ptosis, and epicanthus inversus syndrome // RSBO. 2017. V. 14. N 3. P. 147–151.
  51. Axelsson J. et al. Identification of acutely sick people and facial cues of sickness // Proceedings of the Royal Society B: Biological Sciences. 2018. V. 285. N 1870. doi: 10.1098/rspb.2017.2430
  52. Naimi A.J. et al. Investigating the relationship between major thalassemia diseases with anthropometric sizes of head and facial soft tissue // Bioscience Biotechnology Research Communications. 2017. V. 10. N 2. P. 233–240. doi: 10.21786/bbrc/10.2/40
  53. Farkas L.G., Katic M.J., Hreczko T.A. et al. Anthropometric proportions in the upper lip-lower lip-chin area of the lower face in young white adults // American Journal of Orthodontics. 1984. V. 86. N 1. P. 52–60. doi:
    10.1016/0002-9416(84)90276-8
  54. Etöz A. Anthropometric analysis of the nose / In: Rhinoplasty. Ed. M. Brenner. In Tech, 2011. P. 3–10. doi: 10.5772/27218
  55. Márcio F. Catapan, et al. Anthropometric analysis of human head to identification of height in proper use of ballistic helmets // Proc. 5th Int. Conf. on Applied Human Factors and Ergonomics. 2014. 12 p.
  56. Goto L., et al. Analysis of a 3D anthropometric data set of children for design application // Proc. 19th Triennial Congress of the IEA. Melbourne, Australia, 2015.
  57. Fenlon R. Facial respirator shape analysis using 3D anthropometric data // NIST Interagency. Internal Report. 2007. 18 p.
  58. Jarkiewicz J., kocielnic R., Marasek K. Anthropometric facial emotion recognition // Lecture Notes in Computer Science. 2009. V. 5611. P. 188–197. doi: 10.1007/978-3-642-02577-8_21
  59. Loconsole C. et al. Real-time emotion recognition: novel method for geometrical facial features extraction // Proc. Int. Conf. on Computer Vision Theory and Applications. 2014. P. 378–385.
  60. Paternoster L. et al. Genome-wide association study of three-dimensional facial morphology identifies a variant in PAX3 associated with nasion position // American Journal of Human Genetics. 2012. V. 90. N 3. P. 478–485. doi: 10.1016/j.ajhg.2011.12.021
  61. Liu F., van der Lijn F., Schurmann C. et al. A genome-wide association study identifies five loci influencing facial morphology in Europeans // PLOS Genetics. 2012. V. 8. N 9.doi: 10.1371/journal.pgen.1002932
  62. Claes P., Liberton D.K., Daniels K. et al. Modeling 3D facial shape from DNA // PLOS Genetics. 2014. V. 10. N 3. doi: 10.1371/journal.pgen.1004224
  63. Shaffer J.R., Orlova E., Lee M.K. et al. Genome-wide association study reveals multiple loci influencing normal human facial morphology // PLOS Genetics. 2016. doi: 10.1371/journal.pgen.1006149
  64. Lee M.K., Shaffer J.R., Leslie E.J., Orlova E., Carlson J.C., Feingold E. et al. Genome-wide association study of facial morphology reveals novel associations with FREM1 and PARK2 // PLoS ONE. 2017. V. 12. N 4. Art. e0176566. doi: 10.1371/journal.pone.0176566
  65. Claes P. et al. Genome-wide mapping of global-to-local genetic effects on human facial shape // Nature Genetics. 2018. V. 50. P. 414–423. doi: 10.1038/s41588-018-0057-4
  66. Meng C. et al. Dimension reduction techniques for the integrative analysis of multi-omics data // Briefings in Bioinformatics. 2016. V. 17. N 4. P. 628–641. doi: 10.1093/bib/bbv108
  67. Kukharev G.A., Shchegoleva N.L. Algorithms of two-dimensional projection of digital images in Eigensubspace: history of development, implementation and application // Pattern Recognition and Image Analysis. 2018. V. 28. N 2. P. 185–206. doi: 10.1134/S1054661818020116
  68. Вельков В.В. Многомерная биология и многомерная медицина // Химия и жизнь. 2007. № 3.С. 10–15.
  69. Chernoff H. The use of faces to represent points in K-dimensional space graphically // Journal of the American Statistical Association. 1973. V. 68. N 342. P. 361–368. doi: 10.1080/01621459.1973.10482434
  70. Kabulov B.T., Tashpulatova N.B. Enhanced Chernoff faces // Proc. 4th Int. Conf. on Application of Information and Communication Technologies. Tashkent, Uzbekistan, 2010. doi: 10.1109/icaict.2010.5612059
  71. Осадчая И.А., Берестнева О.Г., Немеров Е.В. Анализ многомерных медицинских данных с помощью пиктографиков «Лица Чернова» // Бюллетень сибирской медицины. 2014. Т. 13.№ 4.C. 89 –93.
  72. Кочетыгов И.С., Прокопьев Р.О. Визуализация многомерных медицинских данных с помощью пиктографиков «лица Чернова» // Информационные технологии в науке, управлении, социальной сфере и медицине: cборник научных трудов Международной конференции. Томск, 2014. Ч. 1. C. 242–244.
  73. Antonov A. Making Chernoff faces for data visualization [Электронныйресурс]. Режим доступа: https://mathematicaforprediction.wordpress.com/2016/06/03/making-chernoff-faces-for-data-visualization, cвободный. Яз. анг. (дата обращения: 11.01.2019).
  74. Панфилов С.Л. Феномен человеческого лица в приложении к гексаграммам Книги Перемен Ицзин. Электронное издание, 2007. 226 с.
  75. Ицзин. Книга Перемен. Москва: Азбука-Аттикус, 2015. 576 c.
  76. Крушинский А.А. Что такое гексаграммы И цзина? // Общество и государство в Китае. 2005.Т. 35. С. 205–213.
  77. Ugail H., Al-dahoud A. Is gender encoded in the smile? A computational framework for the analysis of the smile driven dynamic face for gender recognition // The Visual Computer. 2018. V. 34. N 9. P. 1243–1254. doi: 10.1007/s00371-018-1494-x
  78. Воробьева Ю. Искусственный интеллект научился различать мужчин и женщин по улыбке [Электронный ресурс]. Режим доступа: https://www.vesti.ru/doc.html?id =2997031, свободный. Яз. рус. (датаобращения: 11.01.2019).
  79. Chen X., Liu C., Li B., Lu K., Song D. Targeted backdoor attacks on deep learning systems using data poisoning // arXiv:1712.05526v1. 2017.
  80. Wang Y., Kosinski M. Deep neural networks can detect sexual orientation from faces // Journal of Personality and Social Psychology. 2017. V. 114. N 2. P. 246–257. doi: 10.1037/pspa0000098
  81. Thomas C., Kovashka A. Persuasive faces: generating faces in advertisements // Proc. British Machine Vision Conference. Tyne, UK, 2018.
  82. Forczmanski P., Kukharev G., Shchegoleva N. Simple and robust facial portraits recognition under variable lighting conditions based on two-dimensional orthogonal transformations // Lecture Notes in Computer Science. 2013. V. 8156. P. 602–611.doi: 10.1007/978-3-642-41181-6_61
  83. Кухарев Г.А., Матвеев Ю.Н., Щеголева Н.Л. Поиск людей по фотороботам: состояние проблемы и технологии // Научно-технический вестник информационных технологий механики и оптики. 2014.№ 6.C. 123–136.
  84. Kukharev G., Matveev Y., Forczmanski P. An approach to improve accuracy of photo–to–sketch matching // Lecture Notes in Computer Science. 2016. V. 9730. P. 385–393.doi: 10.1007/978-3-319-41501-7_44
  85. Греф Г. Информационные технологии – отстой: будущее за экономикой данных [Электронный ресурс]. Режим доступа: 2035.media/2017/10/24/gref-future/ ?fbclid=IwAR3fUQbQJTKGXn9D7wmC6ChELzN_bpujH4SrIlxwbH6-t6mrHABOR1V8Ru0, свободный. Яз. рус. (дата обращения: 11.01.2019).


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2024 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика